计算偏度Skewness与峰度kurtosis的python程序——简单
偏度和峰度都是统计量
偏度Skewness(三阶) ——三阶中心距除以标准差的三次方
峰度Kurtosis (四阶) —— 概率密度在均值处峰值高低的特征,常定义四阶中心矩除以方差的平方,减去三;
import matplotlib.pyplot as plt
import math
import numpy as npdef calc(data):n = len(data)niu = 0.0niu2 = 0.0niu3 = 0.0for a in data:niu += aniu2 += a**2niu3 += a**3niu/= n #这是求E(X)niu2 /= n #这是E(X^2)niu3 /= n #这是E(X^3)sigma = math.sqrt(niu2 - niu*niu) #这是D(X)的开方,标准差return [niu,sigma,niu3] #返回[E(X),标准差,E(X^3)]def calc_stat(data):[niu,sigma,niu3] = calc(data)n = len(data)niu4 = 0.0for a in data:a -= niuniu4 += a ** 4niu4 /= n skew = (niu3 - 3*niu*sigma**2 - niu**3)/(sigma**3)kurt = niu4/(sigma**2)return [niu,sigma,skew,kurt] #返回了均值,标准差,偏度,峰度if __name__== "__main__":data = list(np.random.randn(10000))#关于此处的数组与列表data2 = list(2*np.random.randn(10000))data3 = [x for x in data if x> -0.5]data4 = list(np.random.uniform(0,4,10000))[niu,sigma,skew,kurt] = calc_stat(data)[niu2,sigma2,skew2,kurt2] = calc_stat(data2)[niu3,sigma3,skew3,kurt3] = calc_stat(data3)[niu4,sigma4,skew4,kurt4] = calc_stat(data4)print niu,sigma,skew,kurtprint niu2,sigma2,skew2,kurt2print niu3,sigma3,skew3,kurt3print niu4,sigma4,skew4,kurt4info = r'$\mu=%.2f,\ \sigma=%.2f,\ skew=%.2f,\ kurt=%.2f$'%(niu,sigma,skew,kurt)info2 =r'$\mu=%.2f,\ \sigma=%.2f,\ skew=%.2f,\ kurt=%.2f$'%(niu2,sigma2,skew2,kurt2)plt.text(1,0.38,info,bbox=dict(facecolor='red',alpha=0.25))plt.text(1,0.35,info2,bbox=dict(facecolor='green',alpha=0.25))#plt.text(x的位置,y的位置,面板内写的信息,标签框的属性=dict(facecolor='面板颜色',alpha='深浅度'))plt.hist(data,50,normed=True,facecolor='r',alpha=0.9)#hist直方图/箱式图(#将data中的元素分到50个等间隔的范围内,返回每个范围内元素的个数作为一个行向量,#50代表要分的元素的个数##facecolor,alpha都是代表颜色的)plt.hist(data2,80,normed=True,facecolor='g',alpha = 0.8)plt.grid(True)plt.show()
计算偏度Skewness与峰度kurtosis的python程序——简单相关推荐
- 偏度(skewness)和峰度(kurtosis)
偏度 偏度(skewness),是统计数据分布偏斜方向和程度的度量,是统计数据分布非对称程度的数字特征.定义上偏度是样本的三阶标准化矩. 偏度定义中包括正态分布(偏度=0),右偏分布(也叫正偏分布,其 ...
- 数据分布的偏度(skewness)和峰度(kurtosis)
偏度(skewness) 是统计数据分布偏斜方向和程度的度量,是统计数据分布非对称程度的数值特征:定义为:样本的三阶标准化矩. Skew(X)=E[(X−μσ)]=k3σ3=k3k23/2Skew(X ...
- 统计学中数据分布的偏度(skewness)和峰度(kurtosis)
转载于:https://www.cnblogs.com/shadow1/p/10914798.html
- python程序简单快速写能谱实验word报告
python程序简单快速写能谱实验报告 第一步 获取报告的图片 第二步 获取报告中的表格数据 第三步 创建word 并自动写入图片和表格数据 第一步 获取报告的图片 由于我需要的图片在一个最原始的实验 ...
- 编写一个python程序用来计算投资回收期_智慧职教云课堂Python程序设计基础(九江职业技术学院)题目答案...
编写递归算法,依据树的双亲表示法及其根结点创建树的孩子兄弟链表存储结构.要求写算法以前先写出 请用类C或用类Pascal语言编写算法.请编写在中序全线索二叉树T中的结点P下插入一棵根为X的中序全 下列 ...
- 使用wxPython开发带有GUI图形界面的Python程序简单实例
开发环境:Python 3.6 首先安装wxPython包 pip install wxPython 下载wxFormBuilder可以很方便的绘制用户界面各种控件 https://github.co ...
- 浅谈KNN算法原理及python程序简单实现、KD树、球树
最近比较空闲,打算利用这一段时间理一下机器学习的一些常见的算法.第一个是KNN算法: KNN 1.原理: KNN,K-NearestNeighbor---K最近邻 K最近邻,就是K个最近的邻居的意思, ...
- 偏度与峰度(附python代码)
1 矩 对于随机变量X,X的K阶原点矩为 X的K阶中心矩为 期望实际上是随机变量X的1阶原点矩,方差实际上是随机变量X的2阶中心矩 变异系数(Coefficient of Variation):标准差 ...
- 【python】计算偏度和峰度
本篇博文,首发在AIexplore微信公众号,内容总体相同,均为原创,特此申明. 0.教程代码环境 # 其他环境也可以,不一定非要一样 python 3.6 numpy 1.19.3 matplotl ...
最新文章
- 一周AI创业:MIT博士领衔星药科技获新融资,自动驾驶再掀资本狂潮
- 转载 .net面试题大全(有答案)
- python【蓝桥杯vip练习题库】ADV-73数组输出
- 分组背包基础--1712 ACboy needs your help
- 5行代码帮你梳理EOS.IO的脉络
- HDFS常用端口及参数释义
- Linux scp -r命令主机间文件复制
- webpack 4.14.0 版本太高,无法执行相关指令,(将webpack高版本切换到低版本)--直接覆盖
- 第三十四期:花了一个星期,我终于把RPC框架整明白了!
- jQuery Ajax 方法调用 Asp.Net WebService 的详细例子
- modelsim安装_Modelsim10.7安装教程
- 微信小程序码获取-从频繁失败到成功率100%
- HDU 1880魔咒词典
- 为防止已存储信息的u盘感染计算机病毒应该,为防止插入U盘后,通过U盘自动播放功能,被感染计算机病毒,应该将计算机中“自 - 问答库...
- 新项目六之集成新版友盟统计
- 二维码墓碑:可手机“扫”墓祭祖
- android发送http post请求函数带参数带返回数据 静态类 源码
- 大数定律与蒙特卡罗法
- 【转】几种小波阈值去噪程序
- python——用Turtle画画写名字